基于改进神经网络的汽车车牌自动识别系统的研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·车牌识别发展概况 | 第10-11页 |
| ·车牌识别的具体应用领域 | 第11-12页 |
| ·选题的背景和意义 | 第12页 |
| ·课题的主要工作 | 第12-13页 |
| ·车牌识别项目要求 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第2章 项目总体方案设计 | 第15-27页 |
| ·车牌识别原理 | 第15-16页 |
| ·违章车辆的判定方式 | 第15页 |
| ·车牌的识别方式 | 第15-16页 |
| ·设计方案确定 | 第16-18页 |
| ·硬件部分设计 | 第18页 |
| ·视频采集技术 | 第18-21页 |
| ·视频转换和图像处理 | 第21-24页 |
| ·OpenCV介绍 | 第21页 |
| ·OpenCV的安装和使用 | 第21-22页 |
| ·视频采集 | 第22-24页 |
| ·视频传输技术 | 第24-26页 |
| ·C/S传输模型 | 第24-25页 |
| ·图像传输实现 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 违章车辆的判定 | 第27-35页 |
| ·判定方式分类 | 第27-29页 |
| ·外触发机制 | 第27-28页 |
| ·自触发机制 | 第28-29页 |
| ·多信息融合的违章车辆判定 | 第29-34页 |
| ·车辆违章的触发 | 第30-31页 |
| ·车辆跟踪 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 车牌区域提取和字符分割 | 第35-50页 |
| ·车牌区域提取 | 第35-40页 |
| ·车牌图像的二值化 | 第36-37页 |
| ·边缘检测 | 第37-39页 |
| ·利用中值滤波去除车牌图像噪声 | 第39页 |
| ·利用水平和垂直投影提取车牌区域 | 第39-40页 |
| ·字符分割 | 第40-49页 |
| ·图像预处理 | 第41-43页 |
| ·车牌的倾斜校正以及上下位置的精分割 | 第43-46页 |
| ·字符分割过程 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 字符识别 | 第50-76页 |
| ·中国车牌特点 | 第50页 |
| ·车牌识别方法综述 | 第50-54页 |
| ·车牌识别难点 | 第50-51页 |
| ·车牌识别常用方法 | 第51-53页 |
| ·车牌特点分析以及设计要点 | 第53-54页 |
| ·本论文采用的识别算法 | 第54页 |
| ·基于神经网络的车牌字符识别 | 第54-59页 |
| ·人工神经网络简介 | 第54-56页 |
| ·BP网络模型 | 第56-57页 |
| ·改进BP神经网络算法 | 第57-58页 |
| ·LM神经网络算法 | 第58页 |
| ·两种改进算法的比较 | 第58-59页 |
| ·字母和数字的识别 | 第59-71页 |
| ·样本库的整理 | 第59-60页 |
| ·数字和字母特征的提取 | 第60-63页 |
| ·样本训练设计 | 第63-66页 |
| ·训练过程 | 第66-67页 |
| ·字母和数字识别程序 | 第67-70页 |
| ·识别结果检测 | 第70-71页 |
| ·汉字识别 | 第71-74页 |
| ·汉字识别综述 | 第71-72页 |
| ·汉字识别难点以及解决方案 | 第72页 |
| ·训练和识别过程 | 第72-74页 |
| ·系统识别过程总述 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
